算法实战笔记：剥开回溯算法的外衣——从通用模板到高阶去重（八）

算法实战笔记：剥开回溯算法的外衣------从通用模板到高阶去重（八）

回溯算法（Backtracking），听起来是一个极其高大上的词汇，但如果你剥开它的外衣，它的底层逻辑其实只有四个字：暴力穷举。

无论是多么精妙的剪枝（Pruning）操作，都无法改变回溯法穷举所有可能性的本质。为了不在这场海量的穷举中迷失方向，架构师和算法高手们达成了一个共识：所有回溯法的问题，都可以且必须抽象为一棵"树形结构"！

只要心中有树，回溯便有迹可循。本篇笔记将为你奉上回溯算法的终极心法，从万能模板到五大问题图谱，再到最令初学者抓狂的"去重"逻辑，一次性全盘托出。

一、回溯算法的万能模板

做回溯题，千万不要上来就凭直觉写 if-else 和嵌套循环。请把下面这个回溯万能模板刻在脑子里。无论是简单的组合，还是复杂的解数独，底层的代码骨架永远是它：

java 复制代码

void backtracking(参数) {
    if (终止条件) {
        存放结果;
        return;
    }

    for (选择：本层集合中元素（树中节点孩子的数量就是集合的大小）) {
        处理节点;
        backtracking(路径，选择列表); // 递归，纵向深入
        回溯，撤销处理结果;            // 核心：拔出萝卜带出泥，恢复现场
    }
}

心法口诀 ：for 循环决定了树的宽度（横向遍历），递归调用决定了树的深度（纵向深入）。

二、五大经典问题图谱与破局点

回溯法可以解决的题目，基本逃不出以下五大类。理解它们的差异，是选对策略的前提：

1. 组合问题 (Combinations) & 切割问题 (Partitions)

特征：无序。[1, 2] 和 [2, 1] 算同一个。切割问题（如复原 IP 地址）本质上也是组合，即在字符串的不同位置"组合"切点。
破局点 ：必须使用 startIndex！每次进入下一层递归，for 循环的起点必须向后推进，防止回头重复选取。
收集目标 ：通常只收集树的叶子节点。

2. 子集问题 (Subsets)

特征：也是无序的，同样需要 startIndex。
破局点 ：与组合问题的唯一区别在于，子集问题需要收集这棵树上的所有节点 （不仅仅是叶子节点）。因此，"收集结果"的代码通常放在递归函数的最开始，不需要任何 return 拦截。

3. 排列问题 (Permutations)

特征：有序。[1, 2] 和 [2, 1] 是两个不同的排列。
破局点 ：抛弃 startIndex！ 每次单层搜索都必须从索引 0 开始。为了防止在同一个排列中重复使用同一个物理元素，必须引入一个全局的 used 数组（布尔类型）来打标记。

4. 棋盘问题 (N皇后、解数独)

破局点：一维模板 vs 二维模板
- 一维（如 N 皇后） ：拥有强烈的"行/列排斥"约束（一行只能放一个）。此时只需一层 for 循环代表列，用递归的深度代表行，利用约束天然剪枝。
- 二维（如解数独） ：目标散落全图，必须填满。此时需要嵌套两个 for 循环去遍历整个二维空间的行和列，然后再进行递归试错。

三、终极难点：树层去重 vs 树枝去重

当题目给定的候选数组中包含重复元素时，回溯算法的难度将呈指数级上升。在这个树形结构中，去重分为两个完全不同且容易混淆的维度：

维度一：树枝去重（纵向去重）

目的：保证在这个数组中，某个物理位置上的元素，在当前这一条搜索路径（树枝）上只能用一次（或者题目允许无限次使用）。
控制方式 ：
- 组合/子集 ：靠 backtracking(..., i + 1) 向下推进。如果是允许无限次重复选取的题目，则传 backtracking(..., i)。
- 排列：靠判断 if (used[i] == true) continue; 来跳过当前枝干已用的元素。

维度二：树层去重（横向去重）

目的：保证最终的解集中，不包含长得一模一样的"双胞胎"组合。比如候选数组是 [1, 2, 2]，如果不做树层去重，你可能会得到两个 [1, 2]。
前提：必须先对数组进行排序 Arrays.sort()，让相同元素挨在一起！
控制方式（最优解 - 索引推进法）：

if (i > startIndex && candidates[i] == candidates[i - 1]) continue;

(解释：如果当前不是这一层的第一个元素，且值跟前一个一样，说明前一个兄弟节点已经把包含这个值的所有组合穷举过了，直接跳过！)

四、性能评估（时间与空间复杂度速查）

回溯算法因为其穷举的本质，时间复杂度通常都非常恐怖，这也是为什么大部分回溯题的数据规模（N）一般都极小（通常 N < 20）。

排列问题 ：
- 时间复杂度：O(N!)O(N!)O(N!)。树的第一层 NNN 个分支，第二层 N−1N-1N−1 个，依此类推。
- 空间复杂度：O(N)O(N)O(N)。递归栈的深度。
组合 / 子集问题 ：
- 时间复杂度：O(2N)O(2^N)O(2N)。每个元素都有"选"或"不选"两种状态。
- 空间复杂度：O(N)O(N)O(N)。
N 皇后问题 ：
- 时间复杂度：最差 O(N!)O(N!)O(N!)。虽然直觉上是 O(NN)O(N^N)O(NN)，但因为皇后互相不能见面的强约束剪枝，实际复杂度上限是 O(N!)O(N!)O(N!)。
- 空间复杂度：O(N)O(N)O(N)。
解数独 ：
- 时间复杂度：O(9M)O(9^M)O(9M)，MMM 是棋盘上空白格的数量（用 . 表示的格子）。每个空白格理论上有 9 种选择。
- 空间复杂度：O(N2)O(N^2)O(N2)（通常数独是 9x9 固定大小，常数空间）。

总结

回溯算法是一场带后悔药的穷举之旅。掌握了万能模板，明确了 startIndex 和 used 数组的使用边界，深刻理解了树层（横向）与树枝（纵向）的去重哲学，你就能在这棵庞大复杂的搜索树中游刃有余，精准采摘到属于你的正确答案。

算法实战笔记：剥开回溯算法的外衣——从通用模板到高阶去重（八）